h5py_test.rar_.h5文件 h5py_h5文件读取_hdf_ruleq77_读取H5数据

# -*- coding: utf-8 -*- """ HDF5文件是一种存放两类对象的容器：dataset和group Dataset类似于数组的数据集，而group类似文件夹，存放dataset和其他group 使用h5py时要注意：groups类比词典，dataset类比Numpy中的数组 """ import h5py import numpy as np def printname(name): print(name) # HDF5的创建 imgData = np.zeros((30,3,128,256)) f = h5py.File('HDF5_FILE.h5','w') # 创建一个h5文件，文件指针是f f['data'] = imgData # 将数据写入文件的主键data下面 f['labels'] = range(100) # 将数据写入文件的主键labels下面 dset = f.create_dataset("mydataset", (100,), dtype='i') arr = np.arange(10) num = f.create_dataset("init", data=arr) num.attrs['temputure'] = 0 print(num.attrs['temputure']) f.close() # 关闭文件 # HDF5的读取 f = h5py.File('HDF5_FILE.h5','r') # 打开h5文件 f.keys() # 可以查看所有的主键 hdfkey = [] for name in f: hdfkey.append(name) a = f['data'][:] # 取出主键为data的所有的键值 print(a.shape, '\n', a.dtype) f.close() # 分块存储策略 # 在缺省设置下，HDF5数据集在内存中是连续布局的，也就是按照传统的C序 # Dataset也可以在HDF5的分块存储布局下创建 # 即dataset被分为大小相同的若干块随意地分布在磁盘上，并使用B树建立索引 f = h5py.File('HDF5_FILE.h5','w') # 块存储，将关键字设为一个元组来指示块的形状 dset1 = f.create_dataset("chunked", (1000, 1000), chunks=(100, 100)) # 自动分块，不必指定块的形状 dset2 = f.create_dataset("autochunk", (1000, 1000), chunks=True) f.close() # 分层结构 # “HDF”代表”Hierarchical Data Format”(分层数据格式) # HDF5文件中group对象类似于文件夹，文件对象本身就是一个group，称为root group # 创建subgroup是使用create_group的方法实现的,但是需要先用读写模式打开文件 # 创建的grp具有和f一样的方法 f = h5py.File('HDF5_FILE.h5', 'r+') grp = f.create_group("subgroup") for name in f: print(name) # 遍历一个group内的所有直接和间接成员，可以使用group的visit()和visititerms()方法 # 这些方法需要接收一个回调函数作为参数 subdest = grp.create_dataset("subdataset", (10,), dtype='i') f.visit(printname) f.close() # 属性 # 属性通过attrs成员访问，类似于python中词典格式